ฐานความรู้ (RAG)

ฟีเจอร์ฐานความรู้ช่วยให้ AI เอเจนต์ของคุณตอบคำถามโดยใช้เอกสารจริงของคุณ เช่น บันทึกการเผยแพร่ บทความช่วยเหลือ นโยบาย หรือสิ่งใดก็ตามที่อิงข้อความ

รูปแบบที่รองรับ

• PDF
• Markdown, ข้อความธรรมดา
• Word (.docx) · CSV
• JSON (สกัดเป็นข้อความ)

ขั้นตอนการอัปโหลด

1. ไปที่ ความรู้ → อัปโหลดเอกสาร
2. เลือกไฟล์ (สูงสุด 25 MB) ไฟล์จะถูกอัปโหลดตรงไปยัง S3 ผ่าน presigned POST
3. worker จะรับงานนี้: สกัดข้อความ → แบ่งเป็น chunks ที่ราว 800 tokens → สร้าง embeddings ด้วย OpenAI text-embedding-3-small → จัดเก็บใน pgvector
4. สถานะจะเปลี่ยนเป็น READY เมื่อเสร็จสิ้น

ศูนย์ฝึก AI

การอัปโหลดไฟล์เดียวด้วยตนเองเป็นเพียงหนึ่งในหลายวิธี เปิดAI เอเจนต์ → ศูนย์ฝึก AI เพื่อป้อนข้อมูลเข้าฐานความรู้ได้หลายวิธี:

• รวบรวมเว็บไซต์: ใส่ URL แล้วระบบจะดึงหน้าเว็บ สกัดข้อความ และนำเข้าเหมือนไฟล์ที่อัปโหลด
• อัปโหลดไฟล์เป็นชุด: เพิ่ม PDF, Word (.docx) และเอกสารข้อความอื่น ๆ ที่จะถูกแยกวิเคราะห์และแบ่งเป็น chunks อัตโนมัติ
• คู่ถาม-ตอบ: พิมพ์เองหรือนำเข้าครั้งละหลายรายการจาก CSV
• Playground: แชตแซนด์บ็อกซ์สำหรับทดลอง AI เอเจนต์กับฐานความรู้ของคุณก่อนใช้งานจริง

การค้นคืนทำงานอย่างไร

ในทุกข้อความจากผู้เยี่ยมชม worker จะสร้าง embeddings ของคำค้นและทำการค้นหาด้วย ระยะโคไซน์เหนือ chunks ของผู้เช่าของคุณ chunks แบบ Top-K (ค่าเริ่มต้น 5) ที่ผ่านเกณฑ์ ความคล้ายคลึงจะถูกแทรกเข้าไปในระบบพรอมป์

AI ที่โฮสต์บนแพลตฟอร์ม หรือ embeddings ของคุณเอง

โดยค่าเริ่มต้น แพลตฟอร์มจะโฮสต์ AI ให้คุณ โดยไม่ต้องใช้คีย์ของตัวเอง: embeddings และการตอบกลับ ทำงานบนคีย์ที่แพลตฟอร์มจัดการ คิดค่าใช้จ่ายตามการใช้ token จริง เติมเงินอัตโนมัติจากเครดิต และส่งต่อให้เจ้าหน้าที่ที่เป็นคนเมื่อยอดคงเหลือใกล้หมด หากคุณต้องการโฮสต์เอง ใน AI เอเจนต์ → Embeddings คุณสามารถตั้งค่า endpoint ของ embedding API แบบกำหนดเองได้ มีประโยชน์หากคุณต้องการใช้ Azure OpenAI, Ollama ในเครื่อง หรือ DuckLLM endpoint ของการเติมข้อความ แชตสามารถต่างจาก endpoint ของ embedding ได้ เพราะบริการแบบรวม มักไม่รองรับ embeddings

การแคช

ข้อความคำค้นที่เหมือนกันทุกประการจะเข้าแคช Redis ขนาด 24 ชั่วโมง ดังนั้น FAQ เดียวกันจะไม่สร้าง embeddings ใหม่ ในทุกการเข้าชม การแคชพรอมป์ของ Anthropic จะถูกนำไปใช้กับระบบพรอมป์ + chunks ที่ค้นคืนมา เพื่อประหยัดต้นทุนเพิ่มเติม

เมื่อใดควรข้าม RAG

ปิด RAG enabled หาก AI เอเจนต์ของคุณเป็นเพียงบอตที่ใช้ พูดคุยทั่วไป / คัดกรองลูกค้าเป้าหมายล้วน ๆ ที่ไม่จำเป็นต้องอ้างอิงเอกสาร